蔡丽君
(江苏大学财务处，江苏镇江212013)
摘要：对于上市公司的发展和运行而言，时刻把握其财务运行状况十分重要，而在当下瞬息万变的市场环境下，财务困境的评估和预测成为一项十分关键的工作，对于上市公司的财务管理具有不可替代的关键价值。本文重点围 绕上市公司的财务困境评估以及预测问题，在梳理海内外研究人员研究成果的前提下，总结了上市公司财务困境的 概念和缓解问题的多种方法，并基于此创建更为合理、高效的危机预测研究模型，将其运用在实际环境下，有望发挥 更突出的效果。 关键词：财务困境；预测模型；财务风险
钠
中图分类号：F275 文献识别码：A文章编号=2096 —3157(2020)34—0058—03
一、 财务困境的概念短篇伦理小说
财务困境（Financial Distress)即为财务危机（Financial crisis)，任其发展的话将会带来破产的不利结果。不管是理 论层面或者在实践层面，财务困境的概念都有很大的分歧，海内外研究人员具备不同的
观点倾向性。财务预警模型中 的失败样本通常选取S T公司，即Special Treatment的英文 首字母缩写，直译为“特别处理”，S T股是指境内上市公司经 营连续两年亏损，被进行退市风险警示的股票，在一些财务 危机的阐述和研究中，人们往往运用较为常规的表达，即“无 法偿付到期债务”，也就是由于上市公司的财务状态和运营 能力下降，导致无法及时偿还债务。公司只有保持持续获利 能力，才能将自身的生存和发展延续下去。在公司的运营过 程中，一方面，从外部市场得到所要求的资源；另一方面，是 对外部市场提供产品以及服务，并赚取自身的利润和差价。公司从市场中得到的货币最低不能少于购买资源而付出的 货币，否则将难以维持自身的稳定运营，出现入不敷出的情 况。因此，公司生存发展的威胁因素可总结为两个方面：其 一为长时间的亏损问题，它属于公司经营中止的内在因素；其二为无法及时偿还债务的问题，这是公司经营终止的直接 因素。当公司面临财务危机同时没有得到及时处理时，将会 造成公司的生存危机。所以在上市公司出现财务危机的情 况下需要高度重视，这可能是上市公司破产的早期表现。也 是因为这些原因，一些研究人员基于财务危机的角度，对上 市公司危机进行分析，将二者联系起来。
二、 文献综述
1.国外文献综述
财务困境预测领域的研究在欧美国家中历史比较悠久，从而产生了较为丰富的研究成果。通常，人们
都是以当前的 财务指标为参考，创建数学研究模型从而对上市公司出现危 机的概率大小进行预测和评估，在理论界很多学者将其称之 为“财务困境预测”。而在模型的探索方面，已经取得了显著成果，学者们根据不同类型不同行业案例企业的资料信息，
选取了差异性的预测研究指标，并创建了一些财务困境预测
的分析模型。
(1)预测模型的研究
目前预测模型的研究，一般总结为以下几种。
①单变量预测模型（Unary Discriminant Analysis，U D A)。即运用单一变量，个别财务比率对是否出现财务困
十八大党章修改
境和经营危机的问题进行研究。国外最早的财务预警研究
是Fitzpatrick开展的单变量破产预测研究。他以19家企业
为样本，结果发现，净利润/股东权益、股东权益/负债这两项
财务指标具有最高的判别能力。而该领域的研究中，最早提
出一元判别分析模型的研究人员是美国财务分析专家Wil
liam Beave，他在上世纪 60 年代 ，围绕 1954 年〜 1964 年的破
产公司案例，结合财务比率展开一元判定预测，最终得出，通
过个别财务比率的长久走势分析能够预估公司所遇到的财
务风险问题，同时对于管理层决策具有更多的借鉴和参考意
义。然而，单变量预警模型具有一定的局限性，不能全面预
测企业财务状况，况且，只采用静态财务指标或动态财务指
标，片面且不够客观，公司管理层很有可能为了财务业绩粉
饰这一财务指标，出现财务的风险，且不利于公司内部
控制的有效性。
②多变量统计分析模型（Multiple Discriminant Analy-sis，M D A)。即将多个变量、多个财务指标设定成自变量，随
后完成加权运算过程。按照整体的判定结果来对公司的困
境情况进行预测，其基本形式为，称为Z分数模型。和单变
量模型进行对比分析，其能够更为合理地体现公司的财务状
态，进而提升辨别能力和实际使用效果。因为在建模过程中
运用的统计方法存在差异，此类模型可以进一步划分成：A.
多元回归研究模型，这种模型一般需要运用回归分析的方式
创建不同指标变量和公司危机之间的因果关联。B.多元判
别分析模型。这是一种较为新型的统计研究方式，能够对研
58全国流通经济
究目标的种类进行区分。因为公司可划分成：“失败”公司和 “非失败”公司，因此二者在财务比率上存在着明显的不同， 此时能够结合相应的判别分析方法创建模型，掌握企业经营
的危机状态。起始阶段的Z 分数模型，是美国学者Altman 在上世纪60年代的时候提出的，在实际的使用过程中具备
理想的效果，后续得到了充分的运用。③ 线性概率预测模型(L P A )。主要有Logit 和Probit 两 种。Edmister 用线性回归建立了包含7个财务比率的财务 危机预警模型，预测精度在90%以上。Ohlson 首次将Logit 模型应用于破产预测。M D A 模型在数据成正态分布的前提 下具有较好的预测性，L R A 模型则对数据没有那么高的要 求，因此在不满足两组协方差矩阵相等的情况下，L R A 模型 的准确性高于M D A 模型，但是L R A 模型对样本量有一定 的要求，不得少于200个，况且L R A 模型对于多重共线性指
标的预测结果较差。④ 人工神经网络（Artificial Neural Network ，简称 A N N )预警模型。这是从神经心理学方面拓展出来的新的研
究方式，通过并行处理方案，来获得较为高效的研究成果。 此模型借助非线性操作从而仿真大脑内部的神经单元，通过 处理器内部的复杂关系仿真大脑环境下的突触表现。而神 经网络的最早起源是1940年，M e Culloch 与Pitts (1943)创 建的神经网络的首个分析模型。
吃饭也疯狂在线观看
(2)预警指标的分析①
William Beaver (1968)通过单变量研究模型展开财务
预测分析，提出根据不同指标预测性能的差别实施排序，具 体来说下述几个指标的预测能力最为突出，包括债务保障 率、资产收益率、资产负债率等。而第一个指标能够更为理 想地断定企业的运行状态，预测精确度更好，与经营失败日 越接近，误判率越低，具备更强的预见性。在失败的前一年
能够实现87%的正确判别率。另外Beaver 还认为，在对公 司的财务困境进行预测分析的过程中，需要高度关注现金及 现金等价物、应收账款等流动资产，在现金、存货较少而应收
账款较多的状态下，分析时应高度重视。
② Edward Altman (1968)通过多元判别分析，研究公司 财务所面临的风险问题，该学者一共选定了 66家公司，相应 地划分成破产公司以及非破产公司，同时从资产负债表、利 润表中梳理得到了 22个有较大价值的财务比率，运用主成 分分析法（Principal Component Analysis ,P C A )对此类变量 按照流动率、稳定性等分为五个大类，在Z 记分法模型中筛 选得到5个最具有解释能力的财务指标，比如营运资金/全 部资产；留存收益等，Altman , Haldeman , Narayanan (1977) 等基于此进行创新，提出了相应的“Z E T A 模型”，将5个变 量拓展到7个，进一步提升了预测的准确度。
③ I 974 年，Taffler 借助逐步选择法（stepwise selection ) 等方法在50个比率中展开了筛选，对英国在1968年〜1973 年间发生财务风险的23家企业以及剩余45家没有发生财 务风险的企业进行研究，构建了 Taffler 模型。在此期间，利
用了速动资产/全部资产等多个变量。随后几年，Taffler 又 对模型进行了一系列改进与完善，破产样本扩展到了 1969 年〜1976年间发生财务风险的46家公司，除此之外，还有 46家相对应的没有发生风险的公司，他借助主成分分析法
(Principal Component Analysis ,P C A )对 80 个财务比率展开
了筛选，最终确定了以下几个比率构建分析模型：税前利润/
杆菌
平均的流动负债；流动资产/流动负债；流动负债/总资产；无 信用期间等。
④ 1980年，Ohlson 根据1970年〜1976年间发生风险 的105家美国公司和2000家生存公司构建了对应的Logit 模型（Logit model )。其中运用到的比率包括净收益/总资 产；营运资本/总负债等。⑤ 1985 年,Gentry ，Newbold,Whitford 等研究人员根据 1970年〜1981年间发生风险的33家公司以及与其运营规
模类似的没有发生风险的公司作为研究样本，在公司财务预
警模型中运用到了现金流量，详细使用了多个与现金流量对
应的变量，具体如下：公司在运营过程中的现金流量、成本、 设施成本、投资等。在对上述公司中的参照样本经过验证之 后，我们可以得出，股利发放在破产公司的识别过程中具有 关键作用。
⑥ 1985年Casey ，Bartczak 验证了现金流量对以往的破 产模型在预估过程中的推动程度，并将3个现金流变量纳入
考虑范围内，详细如下：运营阶段的现金流、运营阶段的现金 流/流动负债、运营阶段的现金流/全部负债。通过对60家 发生财务危机的企业与230家没有发生过财务危机的企业 中的样本的估测结果展开分析，我们可以得出，虽然运营阶 段的现金流在回归的过程中可以提供明显的解释能力，可是 它不能有效地提升以往的识别模型对上述两种企业进行预 估的精准度。
2.国内文献综述
A l t m a n 于1968年针对欧美国家的破产预估模型进行
了一系列研究，随后获得了大量有价值的成果。国内黄世忠 等人于1986年第一次对公司破产的预估情况进行探索，目
的是根据我国公司的实际情况，建立符合我国国情的预测模 型，直到1999年才发表了相关文献。之所以出现这种现象， 或许是因为欧美国家的证券市场相对我国来说发展得更为 成熟，上市公司披露的信息更加规范和全面，而且有大量专
门提供公司数据的服务机构。陈静通过对27家S T 公司与 27家非S T 公司进行研究，在宣布被特别处理(S T )日前一年 总的准确率为85%。卢贤义等人对70家正面临财务风险的 企业与70家正常运营的企业进行了研究，通过单变量判定 分析和横截面分析，对这两类企业在出现财务风险之前的21 个财务指标进行了筛选，最终选取了 6个财务指标进行预 测，通过Fisher 线性判别法、多元线性回归分析和逻辑回归 分析，构建了三种对财务风险预估的模型，结果显示，这几种 模型都能在风险出现之前做出较为精准的估测。张玲选取 120家企业为研究样本，以其中60家企业的财务数据构建预
全国流通经济59
估模型，之后由剩余60家企业对所构建的模型进行检验，最 终发现该模型可以预测出企业未来四年的财务风险。
2002年，卢宇林等人构建了用来判别企业是否出现财务 危机的兴业财务评价指数。通过非配对抽样的办法，把出现 财务风险的企业定义为2001年S T、P T的企业或是1998年 与1999年持续两年出现财务风险的非S T、P T企业。采用 逐步回归的判别分析法建立了线性典则判别函数、Fisher线 性判别函数，
模型的总体有效性达到81%。
张后奇等学者在《上市公司财务危机预警系统：理论研 究与实证分析》一文中，将规范研究与实证研究相结合，主要 通过Logit回归分析法对以下数据构建了对应的预估模型，第一组：首次产生亏损的公司（A1)—与A1相同行业、相 同资产规模的盈利上市公司（A2)；第二组：每股净资产在0 〜1之间的公司（B1)—每股净资产小于0的公司（B2)；第 三组：亏损1年的公司（C1)—持续2年陷入财务困境的公 司（C2)—持续3年陷人财务困境的公司（C3)。模型在预 估时的准确率高达70%。
人工神经网络模型自上个世纪80年代起，被广泛应用，财务风险预警模型相当于一个二分类问题，可将神经元的输 出值设置为〇或1 ,〇代表非S T公司，1代表S T公司，以此 来预测企业是否陷入财务困境。随着时代的发展，神经网络 在模式识别，智能控制等方面发挥着越来越重要的作用。
李秉祥等研究人员对我国的S T公司进行了财务困境预 测。此外，以吴德胜为首的部分研究人员在通过神经网络模 型对财务风险进行预警的过程中，将上市公司的财务情况按 照净资产收益率(R O E)划分为四种情况：当R O E>10%时，代表很安全；当5%<R O E<10%时，代表正常；当0<R O E <5%时，代表风险预警；当为S T企业时，也就意味着企业发 生了财务危机。结果显示，中期预估的精准度只有56. 25%，短期预估的精准度高达81. 25%。
殷尹通过神经网络，构建了财务风险预估模型；庞素琳 通过B P网络、P N N网络和R B F网络针对我
国出现财务危 机的企业构建了对应的预估模型；徐鹿曾经通过M D A的方 式，构建了适合我国国情的财务困境预测模型；杨淑娥和黄 礼通过B P神经网络，对120家企业的财务数据作为样本展 开了研究，之后使用同期60家企业作为检验样本，并建立了 财务危机预警模型，分别取得了建模样本90. 8%和检验样本 90%的准确率。
徐鹿在研究中，基于M D A方法构建了配套的风险预测 模型。殷尹运用神经网络(A N N)着手构建了以上市公司作 为样本的财务困境预测模型。庞素琳在文章中，进一步运用 B P、P N N以及R B F网络，构建了更为完善的预测模型。
陈敏等(2011)在分析过程中，基于农业上市公司的实际 状况开展分析，构建了财务预警评价的初始变量，采用偏最 小二乘B P神经网络模型对检测数据进行预测，对于农业上 市公司管理者决策及促进农业高效发展具有重要的理论意 义和现实意义。同年，刘磊，郭岩运用R B F神经网络建立了适用于物流行业的财务困境预测模型，在分析中选定了 2010 年26家物流上市公司的资料开展针对性的实例研究，对快 递行业的可持续健康发展具有前瞻意义。
李贺等研究人员将P C A与S V M相结合，构建了一种针 对不同领域、符合小样本空间的模型，即P C A—S V M模型。该模型以传统的财务指标为依据，使用P C A，将输人向量简 化，同时运用S V M来充当判别公司运营状况的工具。该研 究克服了以往在区分企业状态方法上线性判别的局限性，也 克
服了小样本条件下B P网络推广能力不强的缺陷。惠守 博，王文杰认为应该通过S V M来构建财务报警体系，同时运 用了财务评估数据系统方法，借助S V M的分类器功能来构 建预警模型。在对上市公司的财务数据进行训练和评估后 发现，通过S V M构建的预警模型具有较强的实用性，而且 S V M在小样本情况下具有良好的非线性建模能力和泛化 能力。
三、总结与展望
本文总结了国内外学者对财务困境预测问题的研究成 果，目前我们已经建立了较为完善的财务困境预测模型，但 是受客观因素的限制，在传统的财务困境研究以及模型创建 中，并未考虑到外部宏观因素，公司治理，商誉，媒体等非财 务因素，因此模型还需进一步完善。伴随着研究的深人发 展，许多动态指标以及非财务因素将纳人进来，财务困境预 测体系将更加科学健全。
参考文献：
日本豆乳
[1]Frizpatrick.A Comparison of ratios of Successful Indus
tr i a l Enterprises with those of Failed Firms[M],Ivew Y o r k：Certified Public Accountant,1932.
[2 ]Beaver W H.Financial ratios as predictors of failure[J],
Journal of Accounting research,1966.
[3] 惠守博，王文杰.基于支持向量机的财务预警模型与应
用研究[J].计算机工程与设计，2006，（4).
[4]赵红英.企业财务风险预警与控制研究[J].经贸实践
2018,(11):101〜101.
[5]赵宇峰，王宁宁.企业财务风险产生的原因及对策[J].
企业改革与管理，2017,(1).
[6]褚剑，方军雄.中国式融资融券制度安排与股价崩盘风
险的恶化[J].经济研究，2016,(5) :143〜158.
[7]祝继高，齐肖，汤谷良.产权性质、政府干预与企业财务
困境应对——基于中国远洋、尚德电力和李宁公司的多
案例研究[J].会计研究，2015,(5) :28〜34.
[8] 尹侠，肖序，胡永康.上市公司财务预警的实证分析[J].
财经理论与实践，2001, (114).
作者简介：
蔡丽君，供职于江苏大学财务处，硕士。
〇〇全国流通经济
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议